Conditional Modelling of Spatio-Temporal Extremes for Red Sea Surface Temperatures
最近的极值理论文献已经看到显着强调空间极端的建模,相对较少的考虑时空扩展。这忽略了极端事件的一个重要特征:它们随时间的演变。许多现有的模型的空间的情况下,它们可以处理的位置的数量是有限的,这阻碍了扩展到时空设置,需要更高的维度的模型。此外,确实存在的时空模型在它们可以捕获的极端依赖类型的范围方面是限制性的。最近,有条件的方法研究多元和空间的极端已经提出,享受的好处,在计算效率和捕获渐近依赖和渐近独立的能力。我们将这类模型扩展到时空环境,条件是在单个时空位置出现极值。我们采用复合似然方法进行推理,它结合了多个时空条件位置的全似然信息。我们将我们的模型应用于红海的表面温度,表明它适合使用一系列的诊断图,并演示了它如何用于评估由于连续几天的高水温导致的珊瑚漂白的风险。
2020-06-24 stat.AP stat.ME
Hidden Markov modelling of spatio-temporal dynamics of measles in 1750-1850 Finland
University of Jyväskylä(于韦斯屈莱大学);INVEST Research Flagship Centre, University of Turku(图尔库大学INVEST研究旗舰中心);University of Helsinki(赫尔辛基大学)
本文利用隐马尔可夫模型与条件自回归模型分析18世纪芬兰麻疹死亡数据,揭示了时空变化的感染动态及1812年前后传播模式的变化。
2026-03-27 q-bio.PE stat.ME
Modelling Big, Heterogeneous, Non-Gaussian Spatial and Spatio-Temporal Data using FRK
非高斯空间和时空数据正变得越来越普遍,并且在各种学科中需要对它们进行分析。FRK是一个用于空间/时空建模和预测的R软件包,具有非常大的数据集,迄今为止,仅支持线性过程模型和高斯数据模型。在本文中,我们描述了一个重大的升级FRK,允许非高斯数据进行分析,在一个广义线性混合模型框架。这些更一般的空间和时空模型通过TMB软件使用拉普拉斯近似拟合。FRK的现有功能在非高斯模型中得到保留;特别是,它允许自动构建基函数,它可以同时处理点参考和区域数据,并且可以从这些数据中预测任何空间支持的过程值。这个新版本的FRK还允许在建模空间过程时使用大量的基函数,因此通常能够在高斯设置中实现比以前版本的包更准确的预测。我们在这个新版本的FRK中展示了创新功能,突出了其易用性,并将其与使用模拟和真实数据集的替代软件包进行了比较。
2022-11-19 stat.AP stat.CO stat.ME
Spatio-temporal point process modelling of fires in Sicily exploring human and environmental factors
本研究通过时空可分离泊松点过程模型分析2023年西西里野火,揭示人类活动、海拔、坡度及气象因素对火灾时空发生的影响。
2024-02-16 stat.AP stat.ME
Semiparametric Spatiotemporal Model with Mixed Frequencies
针对不同来源时间序列数据的混合频率问题,提出一种半参数时空模型,利用backfitting算法估计高频变量的非参数效应,模拟与玉米产量预测实验均证明其优于基准广义可加模型。
2021-05-04 stat.ME
Spatio-temporal Modelling of Temperature Fields in the Pacific Northwest
模拟温度场的重要性不仅在于了解一个地区的气候,而且也是了解其社会经济和健康后果的起点。研究区域的地形有助于建模这些领域的复杂性,并需要灵活的时空模型,能够处理非平稳性和趋势的变化。在本文中,我们开发了一个灵活的随机时空模型在太平洋西北地区的每日温度,并描述了一种方法进行贝叶斯空间预测。这个模型的一个新的方面,在Le和Zidek(1992)提出的时空模型的扩展,是它的时空场的特定地点的功能,在其时空的意思。由于太平洋西北部的天气经常令人惊讶,该论文中报告的分析表明,需要将时空相互作用纳入该平均值,以了解在附近位置观察到的温度快速变化,并获得近似稳定的残差用于更高级别的分析。没有为这些残差的空间协方差阵假设结构,因此允许模型捕获这些残差中剩余的任何非平稳空间结构。
2016-04-02 stat.AP
Spatio-temporal adaptive penalized splines with application to Neuroscience
这里分析的数据来自研究行为猴子视觉皮层神经元活动的实验。我们考虑一个时空自适应惩罚样条(P样条)的方法建模的视觉神经元的放电率。据我们所知,这是第一次尝试在统计文献中的局部自适应平滑三维。估计基于重叠惩罚分离(SOP)算法,该算法提供了我们所期望的稳定性和速度。
2016-12-30 stat.ME
A Spatio-Temporal Self-Propagating Log-Gaussian Cox-Hawkes Process for Star Formation Modelling
University of Melbourne(墨尔本大学);RMIT University(皇家墨尔本理工大学)
该研究提出时空自传播对数高斯Cox-Hawkes连续点过程模型,结合自发形成、激发、抑制与较差自转,无需预设螺旋几何即可生成絮状螺旋图案,为恒星形成观测的统计推断奠定基础。
2026-09-09 astro-ph.GA stat.ME
Navigating Challenges in Spatio-temporal Modelling of Antarctic Krill Abundance: Addressing Zero-inflated Data and Misaligned Covariates
针对南极磷虾丰度建模中零膨胀数据、协变量时空错位等多源异构数据整合难题,提出基于Hurdle-Gamma模型的综合分析框架,为磷虾保护与捕捞管理提供支撑。
2025-06-17 stat.AP stat.ME
Spatio-temporal modelling of forest monitoring data: Modelling German tree defoliation data collected between 1989 and 2015 for trend estimation and survey grid examination using GAMMs
介绍了德国森林状况调查中树木落叶数据的时空建模。本文采用广义加性混合模型对1989 - 2015年主要树种落叶量的时空变化趋势进行了估计,并对不同监测网格分辨率的适用性进行了检验。虽然自1989年以来一直在收集数据,但这是第一次对整个德国进行时空建模。除时空成分外,林龄对落叶量也有显著影响。平均年龄和特定的落叶和年龄之间的关系决定了落叶的一般水平,而落叶的波动主要与天气条件。这项研究表明,干旱胁迫和落叶的所有四个主要树种之间有很强的关联。除了天气条件的直接影响外,间接影响似乎起着更大的作用。落叶的干旱耐受物种松树和橡树主要是受虫害干旱后,而相当长的时间再生山毛榉干旱胁迫和经常性的大量结实。德国东南部已成为自2003年干旱以来落叶最多的地区。与长期参照期相比,该区域2003年缺水最严重。目前的研究表明,重点已经从空气污染转移到气候变化。此外,时空模型进行了模拟研究,比较不同的调查网格分辨率。这一网格检查表明,8x8公里网格而不是标准的16 x16公里网格对于时空趋势估计和在空间和时间上探测落叶热点,特别是橡树落叶热点是必要的。
2018-05-23 stat.AP
Spatiotemporal modelling of PM$_{2.5}$ concentrations in Lombardy (Italy) -- A comparative study
本研究比较了HDGM、GAMM和RFSTK三种模型在预测伦巴第PM$_{2.5}$浓度方面的时空预测效果,结果表明传统统计方法与机器学习在建模相关时空数据上具有互补潜力。
2023-09-13 stat.AP
Spatiotemporal modelling of sea duck abundance: implications for marine spatial planning
有效的海洋空间规划需要关于可能易受人为变化影响的生物资源的分布和丰度的信息。在北美,海洋鸟类的空间明确的丰度估计是必要的,以评估潜在的影响,从计划的海上风能开发(OWED)。海鸭在这方面特别相关,因为大多数北美物种的数量低于历史水平,欧洲的研究表明OWED。我们使用广义加性模型和条件丰度与广义可加模型的位置,规模和形状的物种占用建模,随后结合模型来估计无条件丰度。我们使用海鸭(普通绒鸭[Somateria mollissima],黑苏格兰鸭[Melanitta americana],冲浪苏格兰鸭[M. perspicillata]、白翅滨鹬[M. deglandi]和长尾鸭[Clangula hyemalis]),该地区是北美东部越冬海鸭最集中的地区之一,并提出了454 MW的OWED。我们的物种分布和丰度建模方法提供了几个有用的功能,包括(1)能够模拟所有的条件分布参数作为协变量的函数,(2)综合变量减少和选择之间的许多协变量,(3)综合模型选择,(4)有效地纳入平滑效应,以捕捉时空趋势解释不好的其他协变量。这种建模方法应被证明是有用的海洋空间规划者在选址OWED,同时考虑关键的栖息地和地区可能容易受到人为压力。此外,该方法同样适用于陆生或水生系统。
2017-05-01 stat.AP stat.ME
The impact of modelling choices on modelling outcomes: a spatio-temporal study of the association between COVID-19 spread and environmental conditions in Catalonia (Spain)
研究人员在进行统计分析时所做的选择通常会对结果产生显著的影响。鉴于在短短几个月内就这一问题发表了数百项相互矛盾的研究,这一事实在正在进行的关于环境与COVID-19大流行演变之间关系的研究中变得显而易见。本文分析了COVID-19数据集,其中包含自大流行开始以来加泰罗尼亚地区(西班牙)每日登记的病例数。具体而言,几个环境变量(太阳照射,平均温度和风速)的情况下的数量可能产生的影响进行了评估。因此,本文的第一个目标是说明选择某种类型的统计模型进行分析如何对协变量和响应变量之间的关联产生严重影响。其次,它显示了如何使用时空模型占的数据的性质,可以了解流行病在空间和时间的演变。
2020-09-26 stat.AP
Benefits of spatio-temporal modelling for short term wind power forecasting at both individual and aggregated levels
近年来,风能在世界总装机容量中的份额迅速增长。准确可靠地预测风力发电量,并量化不确定性,对于将风能最佳地整合到电力系统中至关重要。我们建立了风力发电的时空模型,并提前15分钟到5小时获得完整的概率预测。详细分析了单个风电场和聚合风电场的预测性能。我们发现,它是可能的,以提高预测的结果,通过利用单个风电场之间的时空相关性聚集的风力发电。此外,时空模型的优势是能够产生空间样本外的预测。我们评估预测的数据集,从丹麦西部的风电场和比较的时空模型与自回归模型包含一个共同的自回归参数的所有风电场,确定特定的情况下,重要的是有一个时空模型,而不是一个时间。该案例研究表明,可以在有数据的风电场获得快速准确的风力发电预测,但也可以在包括新地点风电场在内的更大投资组合中获得预测。的结果和方法是相关的风力发电预测在全球范围内,以及一般的时空建模。
2017-04-25 stat.AP
Multivariate Spatio-temporal Modelling for Completing Cancer Registries and Forecasting Incidence
Public University of Navarre(纳瓦拉公立大学);Institute for Advanced Materials and Mathematics (INAMAT2)(先进材料与数学研究所)
本文提出多变量时空共享组件模型,用于在区域和国家层面预测癌症发病率,以解决数据不完整和时间不一致的问题。
2025-11-26 stat.AP stat.ME
Spatio-temporal modelling of extreme storms
一个灵活的时空模型被用于分析1979-2009年大西洋和欧洲上空6小时再分析中客观确定的极端热带外气旋。空间变化的极端属性的气旋捕获使用150个单元格的空间正则化,纬度作为协变量,和空间随机效应。北大西洋涛动(NAO)也被用作协变量,并被发现有一个显着的影响,加强极端风暴的行为,特别是在北欧和伊比利亚半岛。对最低海平面气压下限的估计通常比历史风暴观测到的最低值低10-50百帕,当NAO指数为正值时差异最大。
2015-01-26 stat.AP
A new class of spatial covariance functions generated by higher-order kernels
协方差函数和变异函数在空间和时空数据集的探索性分析和统计建模中起着重要作用。本文利用高阶核函数的傅立叶变换构造了一类新的空间协方差函数。此外,我们通过使用Ma(2003)中使用的思想将这类空间协方差函数扩展到时空设置。
2021-11-12 stat.ME
stopp: An R Package for Spatio-Temporal Point Pattern Analysis
stopp 是一个新颖的 R 包,专为分析欧几里得空间子集或线性网络上的时空点模式而设计,首个为时空泊松点过程提供全面建模框架,并整合了建模、诊断、探索性分析与模拟功能。
2024-08-27 stat.CO stat.ME
Modelling daily mobility using mobile data traffic at fine spatiotemporal scale
European Commission, Joint Research Centre(欧盟委员会联合研究中心)
本研究利用NetMob 2023移动数据流量与ENACT人口网格数据,通过XGBoost模型预测精细尺度人口分布,验证了移动数据在建模城市日常出行中的有效性。
2023-11-16 cs.LG stat.ML
Cluster detection and risk estimation for spatio-temporal health data
在流行病学疾病绘图方面,目的是估计疾病风险的时空模式,并确定高风险集群,从而使卫生干预措施有适当的针对性。贝叶斯时空模型被用来估计平滑的风险面,但这与确定与其邻近地区相比风险较高的区域单元组的目的背道而驰。因此,在本文中,我们提出了一种新的贝叶斯分层建模方法,同时估计疾病风险,并确定高风险集群的空间和时间。该模型的推理是基于马尔可夫链蒙特卡罗模拟,使用免费提供的R软件包CARBayesST,已与本文一起开发。我们的方法是出于两个案例研究,其中第一个评估是否有公共卫生区和结肠癌集群之间的关系在格鲁吉亚,而第二个着眼于在英国的公共场所禁烟对心血管疾病集群的影响。
2014-11-10 stat.ME
Generalized Spatial and Spatiotemporal ARCH Models
本文提出了统一的空间和时空 GARCH 框架,允许所有空间单元间瞬时溢出,并通过非线性最小二乘法推导估计量,利用蒙特卡洛模拟和柏林房地产实证验证了模型捕捉局部不确定性的能力。
2021-06-19 econ.EM stat.ME
A Novel Framework for Spatio-Temporal Prediction of Environmental Data Using Deep Learning
University of Lausanne(洛桑大学);Swiss Re(瑞士再保险)
随着统计和计算科学在气候和环境建模和预测中发挥的作用变得越来越重要,机器学习研究人员越来越意识到他们的工作与帮助应对气候危机的相关性。事实上,作为通用的非线性函数逼近工具,机器学习算法在分析和建模空间和时间可变的环境数据方面是有效的。虽然深度学习模型已被证明能够通过其自动特征表示学习来捕获空间、时间和时空依赖性,但在空间中的一组不规则点上测量的连续时空场的插值问题仍有待研究。为了填补这一空白,我们在这里介绍了一个使用深度学习进行气候和环境数据时空预测的框架。具体而言,我们展示了如何时空过程可以分解的时间参考基函数的产品的总和,和随机空间系数,可以在空间上建模和映射到一个规则的网格,允许重建完整的时空信号。基于模拟和真实世界数据的两个案例研究的应用程序将显示所提出的框架在建模相干时空场的有效性。
2020-12-22 cs.LG physics.ao-ph physics.data-an
Simultaneously detecting spatiotemporal changes with penalized Poisson regression models
本研究提出基于Poisson回归模型的双重融合惩罚方法,通过迭代收缩阈值算法同时检测时空计数数据的变点与空间聚类,并验证了其统计一致性与优越性能。
2025-05-01 stat.ME
Geostatistical methods for disease mapping and visualization using data from spatio-temporally referenced prevalence surveys
在本文中,我们提出了一般原则,并制定地统计学方法的时空参考流行调查的数据分析。我们的目标是提供一个教程指南,可以用来确定简约的地质统计模型的流行率映射。提出了一种通用的基于变差图的蒙特卡罗方法来检验模型假设的有效性。我们描述和对比基于似然和贝叶斯推理方法,显示如何考虑参数的不确定性下的两个范例。我们还描述了扩展的标准模型的疾病患病率,可以使用时的时空协方差函数的平稳性不支持的数据。我们讨论了如何定义预测目标,并认为,发病概率提供了一个最有效的方式来传达流行率估计的不确定性。我们描述了统计软件,通过交互式动画的流行率的时空预测总结的可视化。最后,我们说明了1905年至2014年在塞内加尔进行的1334次调查的历史疟疾流行率数据的应用。
2018-02-18 stat.ME
Matrix-Variate Regression Model for Multivariate Spatio-Temporal Data
Federal University of Sao Carlos(圣卡洛斯联邦大学);University of Connecticut(康涅狄格大学)
本文提出一种矩阵变量回归模型,利用Kronecker积可分离协方差结构高效建模多元时空数据,并通过模拟和巴西农牧业生产数据验证了其参数恢复能力和实际应用价值。
2025-11-06 stat.ME
Bayesian spatiotemporal modelling of political violence and conflict events using discrete-time Hawkes processes
Queensland University of Technology(昆士兰科技大学);The Walter and Eliza Hall Institute of Medical Research(沃尔特和伊莱萨霍尔医学研究所);Information Management, International Federation of the Red Cross Red Crescent Societies (IFRC)(红十字会与红新月会国际联合会信息管理);CNRS, UMR 7534, Université Paris-Dauphine, PSL University(法国国家科学研究中心,UMR 7534,巴黎第九大学,PSL大学)
本文提出一种基于离散时间Hawkes过程的贝叶斯时空模型,用于更准确地监测政治暴力与冲突事件的风险,提升对时空模式的理解并改进预防措施。
2026-02-03 stat.AP
Spatial and Spatiotemporal GARCH Models -- A Unified Approach
在时间序列分析中,特别是对于金融,广义自回归条件异方差(GARCH)模型是广泛应用于对波动性集群(即,风险增加或减少的时期)。与此相反,它一直没有被认为是至关重要的,直到现在的空间依赖模型的条件二阶矩。只有少数几个模型被提出来模拟风险增加的地方集群。在本文中,我们介绍了新的空间GARCH和指数GARCH过程中的一个统一的空间和时空GARCH型模型,它也涵盖了所有以前提出的空间GARCH模型以及时间序列GARCH模型。对于这个共同的建模框架,估计量的基础上非线性最小二乘法和最大似然法。除了本文的理论贡献,我们提出了一个模型选择策略,验证了一系列的蒙特卡罗模拟研究。最后,统一模型的使用是通过一个实证例子来证明的,该例子集中在1995年至2014年柏林ZIP-Code地区的房地产价格。一个空间自回归模型的数据,以说明如何局部变化的模型的不确定性,可以捕获的空间GARCH型模型。
2020-10-19 math.ST stat.AP stat.CO
Spatio-temporal modelling of electric vehicle charging demand
École Polytechnique de Paris(巴黎高等理工学院);EDF Lab Paris-Saclay(巴黎萨克雷EDF实验室);INRIA Paris, DYOGENE/MATHNET Team(巴黎INRIA,DYOGENE/MATHNET团队)
本文提出了一种基于时空潜在高斯场的电动汽车充电需求建模方法,利用大规模纵向数据集进行贝叶斯推断,实现对空间依赖、时间动态和协变量效应的统一建模,提升预测准确性与不确定性量化能力。
2026-04-21 cs.LG stat.AP
Flexible marked spatio-temporal point processes with applications to event sequences from association football
我们开发了一个新的家庭的标记点过程的标记Hawkes过程的特征属性专门的空间标记,提供了自由,指定一个不同的模型的发生时间。这可以通过标记和时间的联合分布的分解来实现,该分解允许在给定过程过滤和当前时间的情况下单独指定标记的条件分布。我们开发了一个贝叶斯框架的推理和预测,从这个家庭的标记点过程,可以自然地容纳过程和点特定的协变量信息,以驱动交叉激励,提供广泛的灵活性和适用性,在现实世界的过程建模。该框架在这里使用的建模在游戏中的事件序列,从足球,导致不仅在推理有关以前未量化的特征的游戏动态和提取事件特定的团队能力,而且在预测发生的事件的兴趣,如目标,角落或犯规在指定的时间间隔。
2022-10-17 stat.AP stat.ME
Bayesian spatio-temporal models for stream networks
时空模型在包括生态学在内的许多研究领域都有着广泛的应用。最近在溪流和河流中大量使用现场传感器,这支持了近实时的时空水质建模和监测。介绍了一种新的时空模型族。这些模型采用流距离的空间依赖性,而时间自相关捕获使用向量自回归方法。这些新模型的几个变化提出了使用贝叶斯框架。结果表明,我们提出的模型表现良好,使用从真实流网络收集的时空数据,特别是在样本外RMSPE。这说明考虑在美国西北部的水温数据的案例研究。
2022-02-15 stat.AP stat.ME
Spatio-temporal modelling of $\text{PM}_{10}$ daily concentrations in Italy using the SPDE approach
本文说明了一个时空插值过程的主要结果$\text{PM}_{10}$浓度在日常分辨率使用一组410个监测站点,分布在整个意大利领土,为2015年。插值过程是基于贝叶斯分层模型,其中的空间分量表示通过随机偏微分方程(SPDE)的方法与滞后1时间自回归分量(AR 1)。通过集成嵌套拉普拉斯近似(INLA)进行推断。我们的模型包括11个空间和时空预测因子,包括气象变量和气溶胶光学厚度。由于预测因素的影响在不同月份有所不同,回归基于12个月模型,具有相同的协变量集。预测模型的性能进行了分析,使用交叉验证研究。结果表明,预测值与实测值符合良好(相关范围:0.79 - 0.91;偏差:0.22 - 1.07 $μ\text{g}/\text{m}^3$ ; RMSE:4.9 - 13.9 $μ\text{g}/\text{m}^3$)。该模型的最终输出是一组365网格(1公里$\times$ 1公里)每天$\text{PM}_{10}$地图在意大利配备了不确定性措施。空间预测性能表明,插值过程是能够再现大规模的数据功能,而不现实的工件在生成的$\text{PM}_{10}$表面。本文还提出了两个说明性的例子,我们的模型的实际应用,曝光概率和人口暴露地图。
2020-09-22 stat.AP
Non-separable Spatio-temporal Graph Kernels via SPDEs
Finnish Center for Artificial Intelligence FCAI(芬兰人工智能中心FCAI);Aalto University(阿尔托大学);University of Manchester(曼彻斯特大学)
本文利用SPDE与图上高斯过程的联系,提出推导不可分离时空图核的框架,并在热方程与波动方程上构建图核,在实际应用中优于现有图核。
2024-12-27 cs.LG stat.ML
Statistical assessment of spatio-temporal impact of lockdown on air pollution using different modelling approaches in India
本研究通过非线性统计建模方法分析印度大都市封锁对PM2.5空气污染的时空影响,结合季节因素评估了2019至2020年各活动区每日排放模式,为控制COVID-19共病风险提供依据。
2022-03-12 stat.AP
Modelling antimicrobial prescriptions in Scotland: A spatio-temporal clustering approach
2016年,英国政府承认减少抗生素处方的重要性,以避免过度处方的长期有害影响。处方需求高度依赖于具有时空成分的因素,例如细菌爆发和人口密度的存在。在这种情况下,基于密度的聚类算法是通过搜索组结构来分析数据的灵活工具。苏格兰的情况下提出了一个额外的挑战,由于人口密度的多样性下的研究领域。我们在这里提出了一个时空聚类方法,突出全科医生(GP)在苏格兰的行为。特别是,我们认为基于密度的空间聚类的应用程序与噪声算法(DBSCAN),由于它的能力,包括空间和时间数据,以及其灵活性,以进一步扩展的变量。我们将这种方法扩展到两个方向。对于时间分析,我们使用动态时间扭曲来衡量扭曲和移位时间序列之间的差异。对于空间分量,我们引入了一种新的方法,用来自基于KDE的过程的连续权重来加权空间距离。这使得我们的方法适用于涉及不同密度的空间集群的情况,这是原始DBSCAN的一个众所周知的问题。与后者和流行的k-means算法相比,我们在模拟和经验数据上显示出更好的性能,为正确聚类更多元素并提供可操作见解的能力提供了证据。
2019-04-18 stat.AP stat.CO
Spatio-Temporal Reconstructions of Global CO2-Fluxes using Gaussian Markov Random Fields
大气反演模型是一种利用观测到的大气浓度和大气示踪剂迁移模型重建陆地与大气之间温室气体历史通量的方法。相对于未知通量分量的数量,观测到的大气浓度的数量较少,使得逆问题病态,并且需要对通量进行假设以约束解。一种常见的做法是使用具有平均结构的潜在高斯场来模拟通量,该平均结构是根据过程模拟(自然通量)和统计簿记(人为排放)相结合的估计通量。在这里,我们重建全球\CO通量场建模通量使用高斯马尔可夫随机场(GMRF),从而在一个灵活的和计算的有益的模型与Matérn样的空间协方差,和时间协方差定义通过自回归模型与季节性依赖。与以前的反演相反,通量被定义在空间连续域上,并且传统的离散通量表示被传输模型指定的分辨率下的积分通量所取代。该公式消除了通量协方差中的聚集误差,这是由于离散点通量的面积积分的传统表示,并提供了一个更接近现实生活中的时空连续通量的模型。
2019-07-05 stat.AP stat.CO stat.ME
Spatiotemporal analysis of urban heatwaves using Tukey g-and-h random field models
用于分析城市热岛效应和局部热浪的温度过程的统计量化是智能城市动态建模中越来越重要的应用领域。这导致在细粒度空间分辨率上进行实时热浪风险管理的重要性增加。本研究试图分析和开发新的方法来模拟地面温度的时空行为。所开发的模型考虑高阶随机空间特性,如偏度和峰度,这是理解和描述当地温度波动和热岛的关键组成部分。所开发的模型应用于大东京都市区的一个详细的真实世界的数据案例研究。该分析还演示了如何在统计上纳入各种真实数据集。这包括遥感图像和各种地面监测点数据,以建立将城市和城市协变量与气温联系起来的模型。空气温度模型,然后用来捕捉高分辨率的空间模拟器输出地面温度建模。研究的过程的主要类别包括Tukey的G-和H过程捕获的空间和时间方面的热过程在城市环境中。
2020-04-02 stat.AP
Bayesian spatio-temporal exposure modelling of air pollution in Rome, Italy, and short-term effects on cause-specific mortality
Sapienza University of Rome(罗马大学);Lazio Region Health Service/ASL Roma 1(拉齐奥大区卫生局/罗马第一地方卫生局)
本研究构建贝叶斯时空模型预测罗马1公里分辨率的NO₂、PM₁₀和PM₂.₅日浓度,通过病例交叉法分析发现这些污染物暴露与自然原因死亡率正相关,模型可用于城市空气污染健康研究。
2026-08-25 stat.AP
ARMA approximation of a Non-separable Spatio-Temporal Model with Fractional Smoothnesses in Space and Time
Norwegian University of Science and Technology(挪威科技大学)
针对具有分数平滑度的非分离时空模型,提出基于时间有理逼近的离散化方法,得到VARMA过程,证明协方差函数逐点收敛并给出收敛速率,通过数值验证和模拟研究展示低阶VARMA的精度及参数估计能力。
2026-06-05 cs.NA math.NA stat.ME
Modelling and predicting the spatio-temporal spread of Coronavirus disease 2019 (COVID-19) in Italy
官方免费提供的关于最精细空间区域聚集水平(意大利各省)感染人数的数据用于模拟地方层面COVID-19感染的时空分布。数据时间范围为20020年2月26日,即意大利北部发现第一例与中国无直接关系的病例的日期,至2020年3月18日。地方性流行病的多变量时间序列混合效应的广义线性模型的面积疾病计数已被实施,以了解和预测时空扩散的现象。以前的文献表明,这类模型在时间和空间上提供了对传染病的可靠预测。三个子组件表征估计模型。第一个与疾病随时间的演变有关;第二个的特点是疾病在同一省份的居民中传播;第三个说明空间邻近的影响,并试图捕捉附近地区的传染效应。集中在意大利每日计数的汇总时间序列,三个子组件中的任何一个的贡献都不占主导地位,我们的预测对整个国家来说都很好,与后期可用数据相比,误差为千分之三。相反,在地方一级,出现了有趣的独特模式。特别是,首先受到遏制措施影响的省份是那些不受空间邻国影响的省份。另一方面,对于目前受传染影响严重的省份,与周边地区的空间相互作用的分量占主导地位。此外,所提出的模型提供了良好的预测,在地方一级的感染人数,同时控制延迟报告。
2020-03-20 stat.AP
A spatio-temporal block aggregation model for latent log Gaussian outcomes: application on modelling wastewater virus concentration in Wales
Imperial College London(帝国理工学院);Lancaster University(兰卡斯特大学);Northumbria University(诺森比亚大学);UK Health Security Agency(英国卫生安全局);Public Health Wales(威尔士公共卫生局);Bangor University(班戈大学)
本研究针对废水监测数据的块聚合问题,提出潜在对数高斯结果的时空块聚合模型,采用INLA方法推断,应用于威尔士47个集水区的新冠病毒建模,证实其预测性能良好且与阳性率强相关,为公共卫生监测提供新方法。
2026-08-28 stat.AP
Conformal Anomaly Detection on Spatio-Temporal Observations with Missing Data
我们开发了一种称为ECAD的无分布,无监督的异常检测方法,该方法围绕任何回归算法并顺序检测异常。ECAD基于共形预测,不需要数据交换,但在数据正态时近似控制了第一类错误。在计算上,它不涉及数据分裂,并有效地训练集合预测器,以增加统计功效。我们证明了优越的性能ECAD检测异常时空交通流。
2021-06-03 stat.AP stat.ME stat.ML
Spatio-temporal Bayesian On-line Changepoint Detection with Model Selection
University of Warwick(华威大学);The Alan Turing Institute for Data Science & AI(艾伦·图灵数据科学与人工智能研究所)
将贝叶斯在线变点检测方法推广到在线模型选择和非平稳时空过程。我们提出了空间结构的向量自回归(VAR)模型之间的变化点(CP)的过程,并给出了这样的模型的近似误差的上限。该算法在线完成预测、模型选择和CP检测。它的时间复杂度是线性的,空间复杂度是常数,因此它比最接近的竞争对手快两个数量级。此外,它优于多元数据的最新技术水平。
2018-06-06 cs.LG stat.ME stat.ML
On the frequency variogram and on frequency domain methods for the analysis of spatio-temporal data
协方差函数和变差函数在空间和时空数据的建模和预测中起着非常重要的作用。在空间数据和时空数据的分析中,常常假设数据在空间和时间上都是二阶平稳的。有几次,平稳性的假设被认为是非常有限制性的,因此,一个较弱的假设,即数据在空间和时间上都是内在平稳的,主要是由地理统计学家和其他环境科学家提出和使用。在本文中,我们认为数据是内在平稳的。由于包含时间维,与时空数据相关的各种估计器的采样性质的估计和推导变得复杂。在本文中,我们的目标是提出一种替代方法,基于频域方法建模的数据。这里,我们考虑针对以下定义的离散傅里叶变换(DFT):本文以多个地点观测到的(内在)时间序列数据为例,考虑时空协方差函数参数的估计、频率变异函数的估计、独立性检验等。我们使用众所周知的性质,即在不同的傅立叶频率下评估的平稳时间序列的离散傅里叶变换是渐近独立的在推导本文所考虑的许多结果时,都是按复正态分布的。
2016-10-19 math.ST stat.TH
Decoupling Distance and Networks: Hybrid Graph Attention-Geostatistical Methods for Spatio-temporal Risk Mapping
Federal University of Technology and Environmental Sciences(联邦科技大学与环境科学学院);Federal University of Technology, Akure(阿库雷联邦科技大学);University of Manchester(曼彻斯特大学)
本文提出一种结合图注意力网络与地理统计方法的混合模型,以更准确地捕捉空间-时间依赖性,提升预测精度和不确定性量化。
2026-11-05 stat.ME stat.ML
Spatio-temporal Joint Modelling on Moderate and Extreme Air Pollution in Spain
该研究针对西班牙PM10污染,构建贝叶斯时空联合模型分析中度与极端污染的影响因素差异,识别出空气污染热点区域,为环境政策制定提供支撑。
2023-08-24 stat.AP
Efficient and automatic methods for flexible regression on spatiotemporal data, with applications to groundwater monitoring
将统计模型拟合到时空数据需要在施加平滑度和遵循数据之间找到正确的平衡。在p-样条的背景下,我们提出了一个贝叶斯框架,选择平滑参数,允许建设全自动的数据驱动的方法,以适应灵活的模型时空数据。一个计算效率高的实现,利用所产生的设计和惩罚矩阵的稀疏性,提出了。使用模拟和两个例子,都与地下水中的污染物,这表明,所提出的战略是更稳定的竞争战略的基础上使用的标准,如GCV和AIC的建模的结果进行说明。
2013-10-29 stat.AP
Bayesian Belief Updating of Spatiotemporal Seizure Dynamics
癫痫发作活动在空间和时间上表现出复杂的动力学。为了了解癫痫发作的演变和传播,需要分析空间上广泛的数据集。我们之前已经描述了一种使用变分拉普拉斯的有效滤波方案,该方案可用于动态因果建模(DCM)框架[Friston,2003],以估计使用侵入性或非侵入性电记录(EEG/ECoG)记录的癫痫发作的时间动态。使用偏微分方程对时空动态进行建模-与我们先前关于癫痫发作动态时间估计的工作中使用的常微分方程相反[Cooray,2016]。我们提供了必要的理论背景的方法,并测试随后的计划在模拟癫痫发作活动数据和经验侵入性ECoG数据。该方法提供了一个框架来同化癫痫发作活动的空间和时间动态,这是具有重要生理和临床意义的一个方面。
2017-11-12 cs.NE stat.ME stat.ML
A Heterogeneous Spatiotemporal GARCH Model: A Predictive Framework for Volatility in Financial Networks
本文提出异质时空GARCH模型,将经典GARCH动力学与空间相关创新项及空间变化参数相结合,在资产负债表特征构建的代理空间中刻画金融网络波动率的空间溢出与传染效应,并支持未观测位置的空间波动率预测。
2025-08-11 math.ST q-fin.ST stat.TH
Enhancing Maritime Trajectory Forecasting via H3 Index and Causal Language Modelling (CLM)
PRISME Laboratory(PRISME实验室);SAS Impact;University of Orléans(奥尔良大学)
本研究将船舶轨迹预测转化为自然语言处理问题,通过H3索引转换AIS坐标为单元格标识,结合因果语言建模实现仅用GNSS位置、30分钟上下文即可精准预测未来8小时的全球船舶轨迹,效果优于传统卡尔曼滤波方法。
2024-11-14 cs.AI cs.LG stat.ME
Posterior concentration in spatio-temporal Hawkes processes
University of Cyprus(塞浦路斯大学)
本文提出了一种贝叶斯非参数框架,用于时空Hawkes过程的推断,推导了条件强度函数和参数的后验收缩率,并将纯时间Hawkes过程的理论结果推广到时空设置。
2026-01-07 math.ST stat.TH
Modelling Volatility of Spatio-temporal Integer-valued Data with Network Structure and Asymmetry
提出带网络结构与阈值机制的空间GARCH型模型,用于动态时空整数值数据的非对称波动率建模,并建立MLE渐近理论。
2024-09-18 stat.ME
GWSDAT - GroundWater Spatiotemporal Data Analysis Tool
对工业和商业场所地下水质量的定期监测产生大量时空浓度数据。数据建模通常限于分析单个井中的单调趋势,或将空间浓度分布独立拟合(例如克里格法)到单独的监测时间段。这两种技术都不能令人满意地阐明数据的空间和时间成分之间的相互作用。潜在的负面后果包括对地下水羽流动态的不完全理解,这可能导致选择不适当的补救战略。地下水时空数据分析工具(GWSDAT)是一个用户友好的,开源的,决策支持工具,已开发,以解决这些问题。独特的是,GWSDAT适用于一个时空模型的地下水溶质浓度的空间和时间序列分量的相互作用的一个更连贯和顺利的解释。GWSDAT旨在处理标准地下水监测数据集,没有特殊的数据要求。数据输入通过标准化的Microsoft Excel输入模板进行。底层的统计建模和图形输出是使用R生成的。本文详细介绍了各种绘图选项,以及如何使用图形用户界面进行快速,严格和交互式的趋势分析,并方便生成报告。GWSDAT已被广泛用于壳牌下游资产的土壤和地下水条件评估,讨论部分描述了其应用的好处。这些措施包括快速解释复杂的数据集、及早发现新的溢漏、探测场外羽流迁移和简化地下水监测报告的编写-所有这些都有助于加快风险评估和补救。
2013-10-30 stat.AP
lgcp An R Package for Inference with Spatio-Temporal Log-Gaussian Cox Processes
本文介绍了一个用于时空预测和对数高斯Cox过程预测的R软件包。这些模型的主要计算工具是马尔可夫链蒙特卡罗和新的软件包,lgcp,因此也提供了一个可扩展的功能套件,用于实现MCMC算法的过程中,这种类型的。建模框架和推理程序的细节,首先提出之前的lgcp功能的旅游是通过步行通过数据分析。涵盖的主题包括读取和转换数据,估计模型的关键组件和参数,指定输出和模拟量,计算蒙特卡罗预期,后处理和模拟数据集。
2011-10-27 stat.CO
Modelling COVID-19-III: endemic spread in India
当一种疾病在特定人群中表现出稳定的流行时,它被称为地方病。我们讨论了COVID-19在印度的流行程度。有几个现有的模型研究地方病的行为,如传统的时间SIR模型的扩展或Held等人(2005)的时空地方病流行病模型及其扩展。我们提出了一个“时空重力模型”的最先进的广义线性模型设置,可以部署在各种空间分辨率。在COVID-19的背景下,在更精细的空间尺度上缺乏常规和质量协变量的情况下,我们使用了外部协变量,如空中交通乘客数量,使我们能够有效地捕捉当地的流动性和社会互动。这使得所提出的模型不同于现有的模型。提出的重力模型不仅产生了相合估计量,而且在应用于印度COVID-19数据时优于其他模型。
2022-11-11 stat.AP